您当前的位置： 首页 > 慢生活 > 程序人生 网站首页程序人生

elasticSearch创建custom分析器搭载html条带字符过滤器

发布时间：2021-09-09 21:57:09编辑：雪饮阅读（）

 在之前有实现过elasticSearch测试分析仪-标准标记器与ASCII码折叠标记过滤器、小写标记过滤器的综合应用。https://www.gaojiupan.cn/manshenghuo/chengxurensheng/3965.html

那么这次要实现的和上面的功能一致，但是额外要支持html条带字符过滤器。
创建custom分析器：
http://localhost:9200/my-index-000001 put
请求正文：
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_custom_analyzer": {
          "type": "custom", 
          "tokenizer": "standard",
          "char_filter": [
            "html_strip"
          ],
          "filter": [
            "lowercase",
            "asciifolding"
          ]
        }
      }
    }
  }
}
响应正文：
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "my-index-000001"
}
那么接下来我们就可以使用这个支持html条带字符过滤器的分析器了
http://localhost:9200/my-index-000001/_analyze post
请求正文：
{
  "analyzer": "my_custom_analyzer",
  "text": "Is this <b>déjà vu</b>?"
}
响应正文：
{
    "tokens": [
        {
            "token": "is",
            "start_offset": 0,
            "end_offset": 2,
            "type": "<ALPHANUM>",
            "position": 0
        },
        {
            "token": "this",
            "start_offset": 3,
            "end_offset": 7,
            "type": "<ALPHANUM>",
            "position": 1
        },
        {
            "token": "deja",
            "start_offset": 11,
            "end_offset": 15,
            "type": "<ALPHANUM>",
            "position": 2
        },
        {
            "token": "vu",
            "start_offset": 16,
            "end_offset": 22,
            "type": "<ALPHANUM>",
            "position": 3
        }
    ]
}
可以看到这里请求正文中，我们待分析文本中是包含html条带字符的，但是拆分出来的令牌列表中并不包含html条带字符，那么我们的预期任务就算是完成了。